0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

ベイズ確率に関するメモ書き

Posted at

Udemyのベイズ推定とグラフィカルモデル:コンピュータビジョン基礎1を受講しているときのメモ.

1. ベイズ確率について

機械学習のモデルを確率モデルとして表現するには,ベイズ推定の知識が必要.
まずは,それらの意味を確認する.

1.1. 確率と同時確率

  • 確率変数:xが起こる頻度を指す
Pr(x)
  • 同時確率変数: 事象xと事象yが同時に起こる頻度を指す
Pr(x, y)
  • 周辺化: この同時確率変数の中の事象の一つを合計すると1変数の確率変数に変わる.
Pr(x) = \int Pr(x, y) dy

1.2. 条件付き確率

  • 事象xが起きるときに,事象yが起こる確率を指す.
Pr(y|x)
  • この条件付き確率は,下式で表現できる.
  • 意味: 事象xが起きるときに,事象yが起こる確率と事象xが起こる時の確率をかけ合わせると事象xと事象yが同時に起こる確率
Pr(x, y) = Pr(y|x)Pr(x) \\
  • 同様に,事象yが起きたときの事象xが起こる確率も表現できる.
Pr(x, y) = Pr(x|y)Pr(y)

1.4 ベイズ確率について

1.3の条件付き確率を定義した.

Pr(x, y) = Pr(y|x)Pr(x) \\
Pr(x, y) = Pr(x|y)Pr(y) 
  • 上の二つの条件を組み合わせたものが,下式であり,これをベイズの定理と呼ぶ.
Pr(y|x) = \frac{Pr(x|y)Pr(y)}{Pr(x)}

2. ベイズ推定

ベイズの定理を利用して,とある事象が起きた場合の事象の変化を確率的に推定すること

ベイズ推定の考え方:

undefined

  • $Pr(y)$: 事象xが起きる前の,事象yの確率
    (事前確率, prior probability)

  • $Pr(y|x)$: 事象xが起きた後での, 事象yの確率
    (事後確率,条件付き確率, posterior probability,conditional probability)

ベイズの定理を使えば,事後確率 $P(y|x)$ は下記に従って計算できる.

Pr(y|x) = \frac{Pr(x|y)Pr(y)}{Pr(x)}

すなわち,事象xに関するデータが得られたとすると, それを反映し, 尤度$ Pr(x|y)$を求める.
そして,求めた尤度$Pr(x|y)$と事象yの事前確率から, 事後確率を推定.
また,$Pr(x)$は,正規化項目なので無視していい

何が面白いの?

  • この事前確率,尤度,事後確率の関係性が機械学習に多いに関係する.
  • 機械学習って尤度を求める方法の一つって捉えてもいい
0
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?